
据《华尔街日报》报道,知情人士透露,滴滴快的已将新一轮融资目标设定为20亿美元,高于此前计划的15亿美元。
知情人士称,滴滴快的最初考虑至多融资15亿美元,但是现有投资者和新投资者投资意愿很强,于是该公司提高了融资目标。新一轮融资的具体条款预计将在未来几周完成。计入新一轮融资,滴滴快的估值将达到大约150亿美元。
滴滴快的的竞争对手Uber也在积极寻求借贷,上月曾有报道称Uber向六至七家银行寻求10亿美元的信贷额度,但如今,更多银行希望加入进来,为优步提供信贷,一些银行甚至愿意提供更高的贷款数额,这让Uber的信贷额度可能从10亿美元提升至20亿美元。
滴滴快的和Uber为吸引司机和乘客,补贴费用开销巨大,据《纽约时报》的报道,Uber支付给司机的补贴最高可达向乘客收取的车费的三倍。
滴滴和快的在今年2月份合并,而此次融资将使两公司估值翻倍。公开资料显示,2014年12月9日,滴滴获得超过7亿美元融资,由淡马锡、DST、腾讯主导投资;2015年1月15日,快的完成新一轮总额6亿美元的融资。彭博社称,新一轮融资将使滴滴快的成继小米之后估值最高的初创公司。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。